Die KI hat kläglich versagt! GPT-4 erzielte bei einer Frage, für die ein Mensch 92 Punkte erzielte, nur 15 Punkte ... | Technologie-Wochenzeitung

Zusammengestellt von Zhou Shuyi

Verursacht das „Wundermittel gegen Krebs“ Krebs? Die FDA hat eine Untersuchung eingeleitet

Am 28. November gab die US-amerikanische Food and Drug Administration (FDA) bekannt, dass ihr Berichte vorliegen, denen zufolge bei einer kleinen Anzahl von Patienten nach einer Therapie mit chimären Antigenrezeptor-T-Zellen (CAR-T) ein neues T-Zell-Lymphom auftrat. Außerdem werde das „ernste Risiko“ untersucht, dass die CAR-T-Therapie bösartige Tumore auslösen könne.

Die CAR-T-Therapie wird als „Wundermittel gegen Krebs“ gepriesen. Dabei werden T-Zellen genetisch verändert, Gene eingeführt, die für chimäre Antigenrezeptoren (CARs) kodieren, und diese dann wieder in den Körper des Patienten infundiert. Die modifizierten T-Zellen können dann gezielt Tumorzellen angreifen und abtöten. Am 28. waren in der FEARS-Datenbank der FDA 12 Fälle von Nebenwirkungen der oben genannten neuen bösartigen Tumoren aufgeführt; einige Patienten mussten ins Krankenhaus oder verstarben infolgedessen. Der Ankündigung zufolge bergen alle sechs CAR-T-Therapien, die sich gegen BCMA oder CD19 richten und derzeit in den USA zur Vermarktung zugelassen sind, potenzielle Risiken. Darunter sind Carvykti (gegen BCMA), Tecartus und Yescarta (gegen CD19) für die Vermarktung in meinem Land zugelassen. Die FDA erklärte, dass der Nutzen dieser Therapien bei den zugelassenen Anwendungen insgesamt immer noch die Risiken überwiege und dass die FDA derzeit prüft, ob regulatorische Maßnahmen erforderlich sind. In der Ankündigung wird empfohlen, Patienten, die diese Therapien erhalten, sowie Probanden in klinischen Studien ihr Leben lang auf neue bösartige Erkrankungen zu überwachen. (FDA)

Theorie der Planetenentstehung vor Herausforderung: Kleine Sterne können große Planeten antreiben

Nach der klassischen Theorie der Planetenentstehung ist es schwierig, dass sich massereiche Planeten um massearme Sterne bilden. Die neueste Forschung stellt diese Wahrnehmung in Frage. Am 30. November veröffentlichten Forscher einen Artikel in Science, in dem sie erklärten, sie hätten einen Exoplaneten namens LHS-3154b mit der 13-fachen Masse der Erde entdeckt. Der Stern LHS-3154, den er umkreist, hat eine Masse von nur 11 % der Sonne. Das Verhältnis der Masse von Planet zu Stern beträgt mehr als das Hundertfache des Masseverhältnisses zwischen Erde und Sonne und liegt damit weit über den von aktuellen Theorien vorhergesagten Grenzen.

Planeten entstehen in der protoplanetaren Scheibe, die junge Sterne umgibt. Die Scheibe ist mit Gas und Staub gefüllt. Die Größe der protoplanetaren Scheibe bestimmt die Masse des geborenen Planeten. Die Forscher nutzten den Habitable Planet Finder (HPF), um die durch LHS-3154b verursachte Dopplerverschiebung mithilfe der Radialgeschwindigkeitsmethode zu ermitteln. Beobachtungen zeigen, dass sich der Planet sehr nahe an seinem Mutterstern befindet und eine Umlaufzeit von nur 3,7 Tagen hat. Aktuelle Theorien zur Planetenentstehung (Kernakkretionstheorie und Gravitationsinstabilitätsmechanismus) können das diesmal beobachtete hohe Verhältnis von Planeten- zu Sternmasse (>3,5×10^(-3)) nicht erklären. Simulationen der Kernakkretion zeigen, dass die Existenz von LHS-3154b nur erklärt werden kann, wenn die Masse der protoplanetaren Scheibe mehr als zehnmal so groß ist wie erwartet. (Wissenschaft)

Die Materialwissenschaft läutet einen revolutionären Durchbruch ein! KI prognostiziert 2,2 Millionen anorganische Materialstrukturen

Von der Elektronik bis zur Photovoltaik sind Materialien in jedem Aspekt des modernen Lebens präsent. Aber die Synthese neuer Materialien ist nicht einfach. Es erfordert jahrelanges Ausprobieren und eine große Zahl hart arbeitender Doktoranden. Am 30. November veröffentlichte das Google DeepMind-Team zwei Artikel in Nature, die diese Situation ändern sollen: Sie verwendeten KI-Tools, um die Strukturen und Eigenschaften von 2,2 Millionen anorganischen Materialien vorherzusagen, von denen fast 400.000 stabil existieren können; Das Forschungsteam nutzte außerdem KI- und Robotertechnologie, um eine vollautomatische Synthese anorganischer Materialien zu erreichen.

Das Materials Project ist die umfassendste Online-Open-Source-Datenbank im Bereich Materialien. Die Forscher verwendeten 48.000 Datenpunkte aus dem Materials Project, um ein Deep-Learning-Modell namens Graph Networks for Materials Exploration (GNoME) zu trainieren. Durch aktives Lernen und mehrere Trainingsiterationen konnte GNoME 2,2 Millionen mögliche anorganische Verbindungen erfolgreich vorhersagen. Berechnungen der Bildungsenergie zeigten, dass 381.000 dieser Materialien stabil existieren könnten. Die Stabilität von 736 vorhergesagten Materialien wurde durch unabhängige Experimente bestätigt. Tests zeigen, dass die Erfolgsrate von GNoME bei der Vorhersage stabiler Strukturen von 50 % in früheren Studien auf 80 % gestiegen ist. Die Genauigkeit der Vorhersage von Komponenten hat sich von 1 % auf 33 % pro 100 Experimente erhöht.

Forscher des Lawrence Berkeley National Laboratory haben außerdem eine Laborplattform namens A-Lab gebaut, mit der eine vollautomatische Synthese anorganischer fester Pulvermaterialien möglich ist. Die Zielproduktdaten stammen aus Materials Project und GNoME und die Syntheseformel wird von einem auf Literatur basierenden, natürlichsprachlichen Modell vorgeschlagen, das durch aktives Lernen trainiert und optimiert wurde. Nach 17 Tagen geschlossenem Kreislaufbetrieb führte A-Lab 355 Experimente durch und synthetisierte erfolgreich 41 der 58 Zielprodukte. Die Forscher sagten, dass die Erfolgsrate durch eine geringfügige Änderung des Entscheidungsalgorithmus auf 74 % erhöht werden könnte. Bei gleichzeitiger Verbesserung der Computertechnologie ließe sich die Erfolgsrate sogar noch weiter auf 78 % steigern. (Nature News)

Die KI hat kläglich versagt! GPT-4 erreichte nur 15 Punkte bei einer Frage, bei der Menschen 92 Punkte erreichten

Bewertungs- und Antwortzeiten für verschiedene Methoden in GAIA. Unter diesen erfordern GPT-4-Plugins die manuelle Auswahl verschiedener Plugins basierend auf den aufgetretenen Problemen, während AutoGPT-4-Plugins automatisch ausgewählt werden. Der Begriff „Mensch“ bezieht sich auf die Punktzahl des Kommentators bei der Überprüfung der Frage. | Bildnachweis: Grégoire Mialon ET AL

KI wird immer leistungsfähiger und übertrifft in vielen Berufsfeldern (wie etwa Recht und Chemie) sogar die Leistung des Menschen. Doch die neuesten Tests zeigen, dass KI offenbar weit weniger „intelligent“ ist, als wir uns vorgestellt haben. Forscher haben kürzlich auf der Preprint-Website arXiv ein Papier veröffentlicht, in dem sie einen neuen KI-Benchmark namens GAIA vorschlagen. In diesem Test konnten Menschen 92 % der Fragen richtig beantworten, während die durchschnittliche GPT-4-Punktzahl für das vom Menschen ausgewählte Plugin nur 15 % betrug.

Beispiel eines GAIA-Problems. Die Antwort ist eindeutig und erscheint nicht im Trainingssatztext. | Bildnachweis: Grégoire Mialon ET AL

Frühere KI-Benchmarks tendierten dazu, Aufgaben zu entwerfen, die für Menschen zunehmend schwieriger wurden. GAIA verfolgte jedoch einen anderen Ansatz und konzentrierte sich auf die Untersuchung grundlegender Fähigkeiten, die in der realen Welt benötigt werden, wie etwa logisches Denken, multimodale Verarbeitung, Surfen im Internet und allgemeine Werkzeugnutzung. Für Menschen sind diese Probleme relativ einfach, doch selbst die fortschrittlichste KI stellt sie oft vor ein Rätsel. GAIA enthält 466 von Menschen entworfene und kommentierte Fragen, die in drei Schwierigkeitsstufen unterteilt sind und alltägliche persönliche Aufgaben, wissenschaftliche Probleme und Allgemeinwissen abdecken. Die Antworten auf die Fragen sind kurz und eindeutig, sodass sie leicht zu überprüfen sind. Forscher sind davon überzeugt, dass AGI (künstliche allgemeine Intelligenz) bei derartigen Problemen eine ähnliche Robustheit aufweisen sollte wie normale Menschen. Wenn es den GAIA-Test besteht, wird es ein Meilenstein in der künstlichen Intelligenzforschung sein. Die Forscher räumten ein, dass GAIA Einschränkungen aufweist. Dazu gehören die Unfähigkeit, mehrere Lösungen für dasselbe Problem zu bewerten, mehrdeutige Probleme in der realen Welt und die Tatsache, dass alle Fragen nur auf Englisch gestellt werden und es an sprachlicher und kultureller Vielfalt mangelt. (arXiv)

Remote-Zusammenarbeit ist nicht förderlich für Innovationen in der wissenschaftlichen Forschung

Arbeitsteilung und Zusammenarbeit sind zu einem wichtigen Trend in der modernen wissenschaftlichen Forschung geworden. Dieser Trend wird durch Remote-Technologie vorangetrieben, die Forschern hilft, geografische Barrieren zu überwinden und die Effizienz der Zusammenarbeit erheblich zu verbessern. Doch die Forscher deckten auch die Schattenseiten auf: Eine Analyse von zig Millionen wissenschaftlichen Arbeiten ergab, dass die Zusammenarbeit aus der Ferne sich nachteilig auf die Innovation auswirken und Durchbrüche erschweren kann als dies bei wissenschaftlichen Forschungsteams außerhalb des Büros der Fall ist. Untersuchungen zeigen, dass es Teams, die an entfernten Standorten zusammenarbeiten, schwerfällt, Ideen vollständig zu integrieren. Dies führt dazu, dass sie sich eher auf technische Aufgaben konzentrieren, die explizites Wissen erfordern, und bei konzeptionellen Aufgaben wie der Ideenfindung und Designforschung schlechte Leistungen erbringen. „Verteilte“ Teams sind gut im schrittweisen Fortschritt, aber schlecht in der disruptiven Forschung.

Die Forscher analysierten 20 Millionen Aufsätze von 22,5 Millionen Autoren zwischen 1960 und 2020 und 4 Millionen Patentanmeldungen von 2,7 Millionen Autoren zwischen 1976 und 2020 und analysierten die Nähe zwischen den Mitarbeitern anhand der geografischen Koordinaten der Städte. Sie führten außerdem einen „D-Score“ ein, um den Grad der Subversivität eines Papiers zu bewerten. Die Werte reichen von -1 bis 1, wobei 1 am subversivsten ist. Die Bewertung D basiert auf den folgenden Überlegungen: Wenn ein Artikel häufig zusammen mit seinen eigenen Referenzen zitiert wird, wird er als „inkrementelle“ Arbeit betrachtet; Wenn ein Aufsatz aus eigener Kraft hervorsticht (ohne eigene Referenzen), dann gilt er als Pionierarbeit. Die Studie ergab, dass die durchschnittliche Entfernung zwischen Mitarbeitern in den letzten 50 Jahren erheblich zugenommen hat, von 100 Kilometern auf fast 1.000 Kilometer bei Dokumenten und von 250 Kilometern auf 750 Kilometer bei Patenten. Doch entsprechend nimmt auch der disruptive Charakter der Forschung ab. Wenn die Kooperationsdistanz von derselben Stadt auf 600 Kilometer zunimmt, sinkt die Rate disruptiver Forschung (D-Score größer als 0) von 28 % auf 22 %; Die Rate disruptiver Patente sinkt von 67 % auf 55 %. Der zugehörige Artikel wurde am 29. November in Nature veröffentlicht. (Nature News)

Neue Methode zur Untersuchung großräumiger verschränkter Systeme

Verschränkung ist ein herausragendes Merkmal von Quanten-Vielteilchensystemen. Wenn mehrere Elementarteilchen miteinander interagieren, stehen die Eigenschaften der einzelnen Teilchen in irgendeiner Beziehung zueinander. Es ist unmöglich, die Eigenschaften jedes einzelnen Teilchens zu beschreiben, es können nur die Gesamteigenschaften des Systems beschrieben werden. Forscher haben eine neue Methode entwickelt, um erstmals die Vorhersagen der Quantenfeldtheorie experimentell zu bestätigen und das Verständnis der Quantenverschränkung zu vertiefen.

In Quantenmaterialien führen Messungen stark verschränkter Teilchen zu stark schwankenden Zufallsergebnissen, die von Wissenschaftlern als „heiße“ Teilchen und im Gegensatz dazu als „kalte“ Teilchen bezeichnet werden. Nur durch die Messung aller verschränkten Objekte kann der genaue Zustand des Systems aufgedeckt werden. Bei Quanten-Vielteilchenproblemen wächst die durch die Verschränkung verursachte Komplexität exponentiell mit der Vergrößerung der Systemgröße, was zu Messschwierigkeiten führt. Die Forscher haben eine neue, effizientere Beschreibungsmethode entwickelt, die mit nur einer sehr geringen Anzahl von Messungen verschränkte Informationen aus einem System extrahieren kann. Sie bereiteten den Grundzustand und die angeregten Zustände einer eindimensionalen XXZ-Heisenberg-Kette auf einem programmierbaren Quantensimulator mit 51 Ionen vor und „lernten“ effektiv subsystemverschränkte Hamilton-Proben (EH) mit bis zu 20 Gitterpunkten. Dessen Temperaturverteilung ermittelten die Forscher durch eine Rückkopplungsschleife zwischen einem Computer und dem Quantensystem. Dabei generierte der Computer ständig neue Verteilungen, die dann mit den Messungen verglichen wurden. Die erhaltene Temperaturverteilungskurve zeigt, dass Partikel, die stark mit der Umgebung interagieren, „heiß“ sind, während Partikel, die schwach interagieren, „kalt“ sind, was die theoretische Vorhersage bestätigt. Die zugehörige Arbeit wurde am 29. November in Nature veröffentlicht. (Universität Innsbruck)

Afrikanische Pinguine verwenden einzigartige „QR-Codes“, um Partner zu identifizieren

Der Brillenpinguin (Spheniscus demersus) hat ein charakteristisches Muster aus schwarzen Flecken auf seinen weißen Brustfedern. In einer kürzlich in „Animal Behaviour“ veröffentlichten Studie fanden Forscher heraus, dass diese schwarzen Flecken wie Namensschilder wirken und Pinguinen dabei helfen, ihre Partner unter ähnlich aussehenden Artgenossen zu erkennen.

Afrikanische Pinguine | Bildnachweis: BACIADONNA ET AL

Die Forscher zeigten den Pinguinen gleichzeitig zwei Fotos anderer Pinguine und maßen die Zeit, die sie mit dem Betrachten der Fotos und mit dem Verweilen in der Nähe der Fotos verbrachten. Sie spekulierten, dass ein längeres Anstarren darauf hindeutete, dass die Pinguine mit den Individuen auf den Fotos vertrauter waren. Die Ergebnisse zeigten, dass Pinguine Fotos ihrer Partner länger betrachteten als Fotos von Fremden (durchschnittlich 23 Sekunden) und doppelt so lange in der Nähe von Fotos ihrer Partner blieben wie bei anderen Fotos. Als nächstes zeigte das Team den Pinguinen zwei Fotos eines Partners, bei einem war jedoch der schwarze Fleck auf der Brust entfernt worden. Die Pinguine verbrachten mehr Zeit damit, das Foto mit dem schwarzen Fleck anzuschauen. Zum Schluss wurden den Pinguinen noch einmal Fotos ihrer Artgenossen und von Fremden gezeigt, diesmal waren jedoch die schwarzen Flecken auf der Brust beider Fotos entfernt. Es gab keinen signifikanten Unterschied in der Zeit, die die Pinguine die Fotos ansahen und darauf verweilten – sie schienen ihre Partner nicht mehr zu erkennen. Die Forscher sagten, dass die Identifizierung von Personen anhand ihres Aussehens „eine Eigenschaft sei, die wir früher für sehr spezifisch und kognitiv anspruchsvoll hielten“. Neue Forschungsergebnisse zeigen, dass Pinguine dazu ebenfalls in der Lage sind. (Wissenschaftsnachrichten)

Die Umstellung auf eine gesündere Ernährung könnte Ihr Leben um 10 Jahre verlängern

Eine gesunde Ernährung kann nicht übertragbaren Krankheiten vorbeugen und die Lebenserwartung erhöhen. Schätzungen zufolge sind in Großbritannien jedes Jahr über 75.000 Menschen aufgrund ungesunder Ernährung vorzeitig gestorben, davon 17.000 in der Altersgruppe der 15- bis 70-Jährigen. Die Forscher analysierten Daten einer prospektiven Bevölkerungskohorte von 467.354 Personen aus der UK Biobank und fanden heraus, dass sich die Lebenserwartung im Alter von 40 Jahren bei Männern um 8,9 Jahre und bei Frauen um 8,6 Jahre verlängerte, wenn von einem ungesunden Ernährungsmuster auf das im Eatwell Guide empfohlene Ernährungsmuster umgestellt und dieses beibehalten wurde. Würde die gleiche Bevölkerungsgruppe auf ein Ernährungsmuster umstellen und es beibehalten, das mit einem langen Leben in Zusammenhang steht, würde sich ihre Lebenserwartung um 10,8 bzw. 10,4 Jahre erhöhen. Bei einem 40-jährigen Briten mit gemäßigten Ernährungsgewohnheiten könnte eine Ernährungsumstellung die Lebenserwartung um etwa drei Jahre verlängern.

Bildquelle: Pixabay

Studien haben gezeigt, dass Ernährungsmuster, die mit Langlebigkeit in Zusammenhang stehen, eine moderate Aufnahme von Vollkornprodukten, Obst, Fisch und weißem Fleisch umfassen; hoher Konsum von Milch und Milchprodukten, Gemüse, Nüssen und Hülsenfrüchten; geringere Aufnahme von Eiern, rotem Fleisch und zuckerhaltigen Getränken; und geringe Aufnahme von raffiniertem Getreide und verarbeitetem Fleisch. Die größten Vorteile bringt der Verzehr von mehr Vollkornprodukten, Nüssen und Früchten, der Konsum von weniger zuckerhaltigen Getränken und der Verzehr von weniger verarbeitetem Fleisch. Der zugehörige Artikel wurde am 20. November in Nature Food veröffentlicht. (Nature News)

Dieser Artikel wird vom Science Popularization China Starry Sky Project unterstützt

Produziert von: Chinesische Vereinigung für Wissenschaft und Technologie, Abteilung für Wissenschaftspopularisierung

Hersteller: China Science and Technology Press Co., Ltd., Beijing Zhongke Xinghe Culture Media Co., Ltd.

Besondere Tipps

1. Gehen Sie zur „Featured Column“ unten im Menü des öffentlichen WeChat-Kontos „Fanpu“, um eine Reihe populärwissenschaftlicher Artikel zu verschiedenen Themen zu lesen.

2. „Fanpu“ bietet die Funktion, Artikel nach Monat zu suchen. Folgen Sie dem offiziellen Account und antworten Sie mit der vierstelligen Jahreszahl + Monat, also etwa „1903“, um den Artikelindex für März 2019 zu erhalten, usw.

Copyright-Erklärung: Einzelpersonen können diesen Artikel gerne weiterleiten, es ist jedoch keinem Medium und keiner Organisation gestattet, ihn ohne Genehmigung nachzudrucken oder Auszüge daraus zu verwenden. Für eine Nachdruckgenehmigung wenden Sie sich bitte an den Backstage-Bereich des öffentlichen WeChat-Kontos „Fanpu“.